Welk AI-model is het beste voor rollenspel

De meeste mensen vragen welk model het beste is en verwachten een naam. Het eerlijke antwoord is dat er een woord ontbreekt in de vraag: het beste waarin. Een model dat prachtig, langzaam opbouwend proza schrijft, raakt na veertig antwoorden de draad van een plot kwijt, en het model dat de plot vasthoudt schrijft als een keurig rapport.

Je hoeft niet één keer te beslissen. Het personage, zijn persoonlijkheid en alles wat het onthoudt staan los van het model dat de woorden genereert, dus wisselen is een keuze per scène in plaats van een verbintenis.

Waar elk soort goed in is

Er zijn er vijf beschikbaar, en het zijn echt verschillende instrumenten in plaats van vijf maten van hetzelfde.

• Standard — waar elk nieuw personage op draait. Snel, stabiel en goed genoeg voor de meeste scènes. Je hoeft het nooit te kiezen; het staat er al.
• GLM — een stap omhoog wanneer een scène ingewikkeld wordt. Strakkere logica, en het houdt een plan vast over een lange uitwisseling.
• Claude Opus — het rijkste proza en de meeste ondertoon. Langzaam opbouwende scènes, scherpe terughoudendheid, personages die meer suggereren dan ze zeggen.
• Google Gemma — snel, warm en speels. Goed voor luchtig gepraat en licht heen en weer.
• DeepSeek — houdt lange, kronkelende verhalen bij elkaar zonder de draad kwijt te raken.

Hoe je merkt dat je op het verkeerde zit

De symptomen zijn specifiek, en zodra je ze kent, hoef je niet meer te gokken.

De antwoorden zijn mooi, maar de plot is stilletjes gestopt met bewegen. Iemand beloofde drie scènes geleden iets en niemand heeft het er sindsdien over gehad. Dat is een redeneerprobleem — schuif richting GLM of DeepSeek.

Alles klopt en niets komt aan. Het personage zegt precies wat het bedoelt, op volgorde, zonder ondertoon. Dat is een prozaprobleem, en daar is Claude Opus voor.

De scène is stijf en formeel geworden terwijl hij licht zou moeten zijn. Een warmer, sneller model past dan beter dan een capabeler; hier verdient Gemma zijn plek.

Het personage spreekt iets tegen dat lang geleden is vastgelegd. Controleer eerst het geheugen voordat je het model de schuld geeft — als het feit nooit is opgeschreven, verzint geen enkel model het correct.

Wisselen zet niets terug

Het model is geen onderdeel van het personage. De persona, het geheugen, de scène en de geschiedenis blijven precies waar ze waren; alleen wat het volgende antwoord genereert verandert.

Dat maakt wisselen goedkoop genoeg om als gereedschap te gebruiken in plaats van als beslissing. Een gangbaar patroon is een snel model voor het heen en weer van een scène en een overstap naar een rijker model voor het moment dat ertoe doet — een bekentenis, een confrontatie, een afscheid.

Sampling telt zwaarder dan mensen denken

De modelkeuze bepaalt het plafond; de sampling-parameters bepalen waar in dat bereik je landt. Temperature regelt hoe voorspelbaar een antwoord is — lager is stabieler, hoger is verrassender. De rest (top_p, top_k, min_p, repetition penalty) beperkt welke kandidaatwoorden het model überhaupt overweegt.

Een model dat vlak aanvoelt, is vaker een temperature-probleem dan een modelprobleem. Een personage dat elk vierde antwoord dezelfde lievelingszin herhaalt, is een probleem met de repetition penalty.

Deze staan open per personage en per pakket, en ze exporteren en importeren als JSON, zodat een set waarden die werkt bewaard en meegenomen kan worden in plaats van elke keer uit het hoofd te worden nagebouwd.

Wat de selectie is, en wat niet

Vijf modellen, gekozen omdat ze echt verschillend terrein dekken en niet om een getal indrukwekkend te laten lijken. De selectie verandert naarmate er betere modellen verschijnen — het is een routeringsbeslissing, geen belofte over specifieke namen.

Er staat hier geen ranglijst, omdat de ranglijst volledig afhangt van de scène die voor je ligt. Een pagina die je vertelt dat één model gewoon het beste is voor rollenspel, heeft geen scène geprobeerd die een ander model nodig had.